《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 其他 > 設(shè)計(jì)應(yīng)用 > 腫瘤癌變細(xì)胞FISH圖像分析系統(tǒng)的研究
腫瘤癌變細(xì)胞FISH圖像分析系統(tǒng)的研究
2017年微型機(jī)與應(yīng)用第1期
陳舒,陳若寒
福建警察學(xué)院 計(jì)算機(jī)與信息安全管理系,福建 福州 350007
摘要: 腫瘤癌變細(xì)胞FISH圖像分析系統(tǒng)中,需要解決粘連細(xì)胞核的分割問題。FISH屬于新興技術(shù),產(chǎn)生的是特殊的熒光彩色細(xì)胞圖,現(xiàn)有細(xì)胞圖像分析方法并不適用。文章創(chuàng)新設(shè)計(jì)了基于深度凹陷檢測和構(gòu)造自然凹陷力的方法,分離粘連細(xì)胞核。首先,針對(duì)參差不齊的實(shí)驗(yàn)成像,在RGB模型下結(jié)合統(tǒng)計(jì)思想,將圖像分為三類,分別進(jìn)行預(yù)處理。繼而,利用融合了Kmeans聚類算法的改進(jìn)馬爾科夫隨機(jī)場(MRF)方法,將細(xì)胞核與癌變信號(hào)點(diǎn)進(jìn)行有效提取。在此基礎(chǔ)上,利用幾何原理,創(chuàng)新設(shè)計(jì)了一套粘連細(xì)胞核分離算法。最后,給出細(xì)胞核快速計(jì)數(shù)和信號(hào)點(diǎn)提取方法。該系統(tǒng)設(shè)計(jì)基本完整,并達(dá)到預(yù)期效果。
Abstract:
Key words :

  陳舒,陳若寒

 ?。ǜ=ň鞂W(xué)院 計(jì)算機(jī)與信息安全管理系,福建 福州 350007)

       摘要:腫瘤癌變細(xì)胞FISH圖像分析系統(tǒng)中,需要解決粘連細(xì)胞核的分割問題。FISH屬于新興技術(shù),產(chǎn)生的是特殊的熒光彩色細(xì)胞圖,現(xiàn)有細(xì)胞圖像分析方法并不適用。文章創(chuàng)新設(shè)計(jì)了基于深度凹陷檢測和構(gòu)造自然凹陷力的方法,分離粘連細(xì)胞核。首先,針對(duì)參差不齊的實(shí)驗(yàn)成像,在RGB模型下結(jié)合統(tǒng)計(jì)思想,將圖像分為三類,分別進(jìn)行預(yù)處理。繼而,利用融合了Kmeans聚類算法的改進(jìn)馬爾科夫隨機(jī)場(MRF)方法,將細(xì)胞核與癌變信號(hào)點(diǎn)進(jìn)行有效提取。在此基礎(chǔ)上,利用幾何原理,創(chuàng)新設(shè)計(jì)了一套粘連細(xì)胞核分離算法。最后,給出細(xì)胞核快速計(jì)數(shù)和信號(hào)點(diǎn)提取方法。該系統(tǒng)設(shè)計(jì)基本完整,并達(dá)到預(yù)期效果。

  關(guān)鍵詞:FISH圖像;細(xì)胞核提取;MRF模型細(xì)胞核粘連;自然凹陷力

  中圖分類號(hào):R857.3;TP391文獻(xiàn)標(biāo)識(shí)碼:ADOI: 10.19358/j.issn.1674-7720.2017.01.015

  引用格式:陳舒,陳若寒. 腫瘤癌變細(xì)胞FISH圖像分析系統(tǒng)的研究[J].微型機(jī)與應(yīng)用,2017,36(1):48-51,55.

0引言

  較多研究表明,癌變細(xì)胞中都存在HER2蛋白的過表達(dá)或基因擴(kuò)增現(xiàn)象。當(dāng)前的檢測技術(shù)有很多種,其中的FISH技術(shù)雖是一項(xiàng)新興技術(shù)但已經(jīng)被公認(rèn)為業(yè)界的“黃金標(biāo)準(zhǔn)”[12]。

  經(jīng)過FISH技術(shù)處理后產(chǎn)生的腫瘤癌變細(xì)胞圖像中,包含三個(gè)主要成分:背景(黑色)、細(xì)胞核(藍(lán)色)、信號(hào)點(diǎn)(紅色和綠色)。通過統(tǒng)計(jì)、分析細(xì)胞核與信號(hào)點(diǎn)的個(gè)數(shù),就可以實(shí)現(xiàn)對(duì)HER2蛋白擴(kuò)增現(xiàn)象的檢測。

1預(yù)處理

  FISH圖像中,具有研究價(jià)值的區(qū)域恰好與RGB顏色模型的三個(gè)通道相吻合,不需要進(jìn)行復(fù)雜的映射或者換算,所以選用RGB模型來進(jìn)行設(shè)計(jì)。通過批量觀察以及相應(yīng)資料的查閱,F(xiàn)ISH技術(shù)呈現(xiàn)的細(xì)胞核大致具有3個(gè)特點(diǎn):邊緣模糊(熒光強(qiáng)度不同)、核外輪廓各異(探針手工著色)、核內(nèi)結(jié)構(gòu)復(fù)雜(孔洞),需要進(jìn)行預(yù)處理使得圖像呈現(xiàn)最佳效果,從而簡化算法。

  1.1FISH圖像分類

  首先,根據(jù)成像的熒光效果,將圖像分為三類:(1)弱熒光信號(hào)圖;(2)暈染嚴(yán)重信號(hào)圖;(3)理想信號(hào)圖。分別如圖1(a)、(b)、(c)所示。在專家指導(dǎo)下進(jìn)行手工分類作為訓(xùn)練樣本,得出圖像在藍(lán)色通道上的分布規(guī)律,借助統(tǒng)計(jì)學(xué)原理,進(jìn)行自動(dòng)分類。

  

001.jpg

  1.2非理想圖片的改善

  需要對(duì)弱熒光圖進(jìn)行增強(qiáng),對(duì)暈染現(xiàn)象進(jìn)行去除。

  1.2.1弱熒光圖自適應(yīng)增強(qiáng)

  (1)原圖像進(jìn)行疊加,I=1.5×I(這步操作的實(shí)質(zhì)是對(duì)亮度進(jìn)行疊加);

 ?。?)重新判斷是否為弱熒光,如果是,則重新轉(zhuǎn)入步驟(1),否則停止。實(shí)驗(yàn)效果如圖2所示。

 

002.jpg

  1.2.2暈染現(xiàn)象的自動(dòng)去除

 ?。?)將判別為“暈染嚴(yán)重”的原始圖像轉(zhuǎn)化為藍(lán)色亮度圖;

 ?。?)運(yùn)用Otsu法進(jìn)行閾值分割,目標(biāo)標(biāo)記為1(白),背景標(biāo)注為0(黑);

 ?。?)填補(bǔ)小于閾值Pc個(gè)像素點(diǎn)的連通區(qū)域(孔洞);

 ?。?)去除小于閾值Pc個(gè)像素點(diǎn)的連通區(qū)域(非細(xì)胞核區(qū)域);

 ?。?)將標(biāo)記為目標(biāo)的區(qū)域恢復(fù)成RGB圖,其他部分保持黑色背景;

 ?。?)重新判斷是否暈染嚴(yán)重,如果是,則重新轉(zhuǎn)入步驟(2),否則停止。實(shí)驗(yàn)效果如圖3。

003.jpg

  其中Pc默認(rèn)為原圖總像素點(diǎn)的4%,這個(gè)百分比是根據(jù)多次實(shí)驗(yàn)效果得出的經(jīng)驗(yàn)值,表示該圖片中的細(xì)小孔洞,可以自適應(yīng)各種尺寸的原始圖像。

2FISH圖像細(xì)胞核的提取

  2.1傳統(tǒng)方法

  對(duì)細(xì)胞核提取的常用方法主要依據(jù)四類原理,分別是:閾值分割、邊緣檢測、傳統(tǒng)區(qū)域思想以及基于特殊算法的理論[34]。

  閾值分割雖然快速簡便、不需要先驗(yàn)知識(shí),卻沒有考慮與鄰域像素點(diǎn)之間的關(guān)聯(lián)性,分割較為粗糙,容易發(fā)生誤判;邊緣檢測雖然是基于各個(gè)像素點(diǎn)與其鄰域的差異,但是細(xì)胞核內(nèi)熒光信號(hào)產(chǎn)生了大量的梯度變化,給真實(shí)邊緣的檢測增加了困難;傳統(tǒng)區(qū)域思想需要先驗(yàn)知識(shí)并對(duì)圖像有一定要求,且不考慮空間信息,容易造成過分割;而基于特殊算法的理論,則因?yàn)槠涮囟ǖ膽?yīng)用條件、復(fù)雜的參數(shù)或?qū)D像計(jì)算量的要求等,在FISH圖像的細(xì)胞核提取中并不適用。

  2.2本文方法

  綜合以上算法的優(yōu)缺點(diǎn),本文考慮到像素點(diǎn)間的關(guān)聯(lián),選取馬爾科夫隨機(jī)場(MRF)[57]與無監(jiān)督的聚類算法相結(jié)合來進(jìn)行圖像分割,提取FISH圖像的細(xì)胞核。

  從算法計(jì)算量和精度的角度考慮,在MRF建模中,選用二階8鄰域系統(tǒng)的Potts模型作為標(biāo)記場模型,有限高斯混合模型(FGMM)建立觀測場,迭代條件模式(ICM)作為最優(yōu)化分割算法,其中Potts模型中的勢(shì)函數(shù)β改進(jìn)為可變勢(shì)函數(shù)βb。

  2.2.1可變勢(shì)函數(shù)

  勢(shì)函數(shù)β的大小對(duì)分割結(jié)果影響很大。以圖4a為例進(jìn)行分割,選取其中β=0.5和β=5的情況,分割結(jié)果如圖4(b)和圖4(c)。

 

004.jpg

  顯然,當(dāng)勢(shì)函數(shù)β增大時(shí),標(biāo)記場就越占主導(dǎo),區(qū)域性就越好,分割結(jié)果細(xì)節(jié)也就越差;當(dāng)勢(shì)函數(shù)β變小時(shí),標(biāo)記場的影響就弱了,觀測場占的比重變大,分割結(jié)果細(xì)節(jié)信息豐富,區(qū)域性差。由此引入可變勢(shì)函數(shù)βb,符合“前期著重在區(qū)域性的控制,后期集中在細(xì)節(jié)信息的判斷”的規(guī)律,勢(shì)函數(shù)應(yīng)該是逐漸變小的。

  綜上所述,設(shè)計(jì)可變勢(shì)函數(shù)如下:

  令初始勢(shì)函數(shù)β=1,總迭代次數(shù)限制為maxIter,當(dāng)前迭代次數(shù)為Iter,則當(dāng)Iter<maxIter時(shí),構(gòu)造可變勢(shì)函數(shù)βb,表達(dá)式為:

  4M4AGD)I}C}J5]B$O`B$MZC.png

  上式保證在迭代次數(shù)Iter增加時(shí),勢(shì)函數(shù)βb是緩慢變小的,并且不會(huì)偏離最初由經(jīng)驗(yàn)確定的β值太多。

  2.2.2FISH圖像細(xì)胞核的提取具體步驟

  (1)將原始圖像轉(zhuǎn)化為藍(lán)色亮度圖;

  (2)設(shè)定實(shí)驗(yàn)圖像分類數(shù)K=2,初始勢(shì)函數(shù)β=1,最大迭代次數(shù)maxIter=10;

  (3)應(yīng)用Kmeans聚類算法得到初始分割;

  (4)估計(jì)觀測場參數(shù)μ和σ2;

  (5)計(jì)算FGMM模型建立的觀測場能量;

  (6)計(jì)算Potts模型建立的標(biāo)記場能量;

  (7)根據(jù)能量最小原則,估計(jì)新的分割;

  (8)判斷是否滿足迭代終止條件(MAP準(zhǔn)則和最大迭代次數(shù)),滿足則算法停止,得到最佳分割,否則更新勢(shì)函數(shù)βb的值,并重新轉(zhuǎn)入步驟(3)。

  2.2.3實(shí)驗(yàn)效果

  分別用Otsu自動(dòng)閾值法、傳統(tǒng)的Kmeans聚類算法以及本文算法對(duì)FISH細(xì)胞圖像進(jìn)行分割,效果如圖5所示??梢钥闯觯疚乃惴ū惹皟煞N產(chǎn)生的分割結(jié)果更加連續(xù),且錯(cuò)判產(chǎn)生的孔洞現(xiàn)象更少。這說明:融合了MRF模型的Kmeans聚類分割方法,在兼顧了區(qū)域完整性的同時(shí)較好地保有了細(xì)節(jié)信息。而引入可變的勢(shì)函數(shù)βb的優(yōu)勢(shì),在前文已有分析。在判定為細(xì)胞核的一些區(qū)域內(nèi),仍然存在一些細(xì)小的孔洞,用前文處理暈染圖片時(shí)使用的方法修復(fù),效果如圖6所示。

  

005.jpg

3粘連細(xì)胞核的分離

  對(duì)粘連細(xì)胞核分離的常用方法主要依據(jù)三類原理,分別是:基于數(shù)學(xué)形態(tài)學(xué)、基于形狀特征以及特定理論的方法。

  3.1傳統(tǒng)方法

  當(dāng)目標(biāo)粘連緊密時(shí),應(yīng)用基于數(shù)學(xué)形態(tài)學(xué)的方法通常得不到理想的種子點(diǎn)個(gè)數(shù)。

  基于形狀特征原理,主要是采用尋找凹點(diǎn)進(jìn)而分離的方法。將細(xì)胞核的粘連方式分為串聯(lián)和并聯(lián)兩類,根據(jù)每個(gè)區(qū)域凹點(diǎn)奇偶性或者其他準(zhǔn)則,來判斷屬于哪一類粘連。然后運(yùn)用不同的凹點(diǎn)匹配策略,進(jìn)行凹點(diǎn)連線劃分。但大部分的方法并沒有考慮更加復(fù)雜的串并聯(lián)混合情況,F(xiàn)ISH細(xì)胞核恰屬于復(fù)雜粘連情況,同時(shí),F(xiàn)ISH細(xì)胞核邊緣不規(guī)則,容易出現(xiàn)“假凹點(diǎn)”。

  基于特定理論的方法中,比較適合FISH圖像復(fù)雜結(jié)構(gòu)的是文獻(xiàn)[8]中提出的基于水平集和隨機(jī)霍夫圓檢驗(yàn)方法來分離原生質(zhì)細(xì)胞核。但該算法融入了水平集算法,需要設(shè)定的參數(shù)非常多,隨著粘連細(xì)胞核個(gè)數(shù)的增加和粘連情況的復(fù)雜,相應(yīng)的參數(shù)也更加難以全面設(shè)置,并且需要用到統(tǒng)計(jì)學(xué)的霍夫投票法決定區(qū)域的分割歸屬問題,計(jì)算量較大,影響了總體分析效率,故不采用。此外,其他文獻(xiàn)中基于主動(dòng)輪廓模型[910]和圖論[1112]等方法的改進(jìn),都因計(jì)算量比較大,不予采用。

  3.2本文方法

  在Harris和Susan算法的基礎(chǔ)上,改進(jìn)設(shè)計(jì)出“深度凹陷點(diǎn)”的檢測方法,尋找因粘連造成的真正凹陷,同時(shí)判斷出粘連現(xiàn)象的存在與否。接著,創(chuàng)新引入“自然凹陷力”的概念,令深度凹陷點(diǎn)的凹陷有規(guī)律有方向地加深,并逐漸產(chǎn)生區(qū)域斷裂,最終實(shí)現(xiàn)粘連的分離。

  3.2.1深度凹陷點(diǎn)檢測

  本文將角點(diǎn)分為以下4種點(diǎn)情況:鈍角凸點(diǎn)、銳角凸點(diǎn)、輕微凹陷點(diǎn)、深度凹陷點(diǎn)。本文定義的深度凹陷點(diǎn)必須滿足以下條件:以該角點(diǎn)作為圓形模板的中心,角點(diǎn)的兩條線段在目標(biāo)區(qū)域內(nèi)構(gòu)成的夾角必須大于225°。

  本文設(shè)計(jì)的深度凹陷檢測方法:

 ?。?)設(shè)FISH細(xì)胞核二值圖I中,目標(biāo)(細(xì)胞核區(qū)域)標(biāo)記為1,背景標(biāo)記為0,同時(shí)構(gòu)造半徑R=5的圓形模板M,模板內(nèi)標(biāo)記為1的像素點(diǎn)總個(gè)數(shù)為MMAX;

  (2)利用Harris角點(diǎn)檢測算法對(duì)I進(jìn)行掃描,得到一個(gè)角點(diǎn)集合J(j1,j2,...,jn);

  (3)將圓形模板M的中心與J(j1,j2,...,jn)逐點(diǎn)重合;

  (4)借鑒Susan算法的思想,得到每一個(gè)角點(diǎn)位置上的USAN值MUSAN;

  (5)當(dāng)MUSAN>5/8×MMAX時(shí),該角點(diǎn)判定為深度凹陷點(diǎn),存入集合H中,用于下一階段運(yùn)算。

  3.2.2粘連判斷

  當(dāng)某個(gè)目標(biāo)連通區(qū)域內(nèi)存在深度凹陷點(diǎn)時(shí),該區(qū)域存在粘連現(xiàn)象,需要實(shí)現(xiàn)細(xì)胞分離,否則是獨(dú)立細(xì)胞核。

  3.2.3自然凹陷力

  設(shè)想:在現(xiàn)實(shí)世界中,要讓這些粘連的細(xì)胞核產(chǎn)生分離,可以對(duì)每一個(gè)深度凹陷處施加作用力,要求該作用力的大小一致,方向順應(yīng)每個(gè)凹陷處的凹陷方向,這樣在凹陷處就會(huì)不斷地加深凹陷程度,粘連的細(xì)胞核們也會(huì)逐漸被擠壓得分離開。當(dāng)某幾處作用力匯集到一點(diǎn)時(shí),該局部的粘連區(qū)域就被分離;當(dāng)圖像中所有深度凹陷處施加的作用力都匯集到某一處時(shí),則粘連部分被完全分離。

  為了滿足實(shí)時(shí)性的需求,本文采用純幾何的線性思想來模擬自然凹陷力的作用,如圖7所示。

006.jpg

  本文設(shè)計(jì)的自然凹陷力具體作用過程為:

 ?。?)取深度凹陷點(diǎn)集合H(H1,H2,...,Hn);

 ?。?)定位至其中一點(diǎn)Hi(i=1,2...,n),以該點(diǎn)為圓心、R=8(多次實(shí)驗(yàn)的經(jīng)驗(yàn)值)為半徑構(gòu)造一個(gè)圓,設(shè)該圓交Hi兩條邊的交點(diǎn)分別為J1和J2;

  (3)作線段J1J2的中垂線(圖中HiHi′→所指的方向即為凹陷方向),在目標(biāo)內(nèi)交圓于Hi′點(diǎn),將凹點(diǎn)Hi移動(dòng)至Hi′,則該凹陷局部區(qū)域的邊界,由原先的弧J1Hi⌒和弧HiJ2⌒,變?yōu)橛删€段J1Hi′和線段Hi′J2 構(gòu)成,實(shí)現(xiàn)該區(qū)域凹陷程度的加深;

  (4)逐個(gè)定位至H中的其他點(diǎn),重復(fù)步驟(2)和(3),遍歷一輪后,將產(chǎn)生的集合H′作為新的凹陷點(diǎn)集合H,完成一輪自然凹陷力作用;

 ?。?)定位至更新過的Hi點(diǎn),重復(fù)步驟(2)~(4),直至新產(chǎn)生的Hi′不再在目標(biāo)內(nèi)時(shí),停止Hi點(diǎn)的繼續(xù)凹陷,跳至H中的其他點(diǎn)繼續(xù)操作,直至所有的H′都在背景中時(shí)(表示粘連產(chǎn)生的凹陷區(qū)域都完成分離),停止所有操作。

  3.2.4本文粘連分離方法

  (1)讀取一張?jiān)糉ISH細(xì)胞核圖Iy;

  (2)利用前文設(shè)計(jì)的方法,將Iy分類并預(yù)處理為理想圖I,使用前文設(shè)計(jì)的細(xì)胞核提取方法,將I中的細(xì)胞核提取出來,并將圖像轉(zhuǎn)化為二值圖I0;

  (3)對(duì)I0做邊界提取,記錄目標(biāo)初始邊緣ED0;

  (4)利用半徑R=3的近圓形結(jié)構(gòu)元素SE,對(duì)I0圖像做腐蝕運(yùn)算,分離輕微粘連的細(xì)胞核;

  (5)利用前文設(shè)計(jì)的“深度凹陷檢測方法”,檢測出當(dāng)前圖中深度凹陷點(diǎn),存入集合H;

  (6)利用前文“自然凹陷力”,逐點(diǎn)加深H點(diǎn)處的凹陷,最終使得細(xì)胞核粘連區(qū)域全部得以分離;

  (7)對(duì)分離后的各個(gè)區(qū)域進(jìn)行連續(xù)粗化運(yùn)算(保持不連通性),使各個(gè)區(qū)域復(fù)原成原始大小,直至區(qū)域邊緣達(dá)到ED0的極限,且結(jié)果不再變化為止;

  (8)對(duì)當(dāng)前二值圖I0做邊界提取,記錄當(dāng)前目標(biāo)的邊緣ED,則ED為細(xì)胞核的分離界線;

  (9)將分離界線轉(zhuǎn)化為紅色,疊加于圖像I上,作為輸出結(jié)果。

  3.2.5實(shí)驗(yàn)效果

  分別選取“簡單粘連”和“復(fù)雜粘連”的FISH細(xì)胞核圖像進(jìn)行分離實(shí)驗(yàn),結(jié)果如圖8、圖9所示,實(shí)驗(yàn)效果理想。

  

007.jpg

4細(xì)胞核計(jì)數(shù)和信號(hào)點(diǎn)提取

  4.1細(xì)胞核計(jì)數(shù)

  讀取一張經(jīng)過粘連分離后的細(xì)胞核二值圖I0,繼而計(jì)算標(biāo)記為目標(biāo)(標(biāo)記為1)的連通區(qū)域數(shù),即為細(xì)胞核個(gè)數(shù)。

  4.2信號(hào)點(diǎn)提取

  紅色信號(hào)點(diǎn)的提取方法:先將G和B的值減為0,得到R紅色熒光圖,再通過閾值分割和極限腐蝕法得到幾何中心,用于后續(xù)分析。同理,可用于綠色信號(hào)點(diǎn)的提取。

5結(jié)論

  系統(tǒng)主要實(shí)現(xiàn)4個(gè)功能:(1)FISH圖像預(yù)處理;(2)FISH細(xì)胞核的提?。唬?)粘連細(xì)胞核的分離;(4)細(xì)胞核技術(shù)和信號(hào)點(diǎn)提取。上述設(shè)計(jì),都在滿足精確度和視覺效果要求的范圍內(nèi),盡可能構(gòu)造計(jì)算量小、直觀性強(qiáng)的方法。但仍存在著不足:無法實(shí)現(xiàn)某些特殊情況下的粘連分離,比如在細(xì)胞核嚴(yán)重團(tuán)簇、細(xì)胞核發(fā)生多層粘連時(shí),內(nèi)層細(xì)胞核相互擠壓,沒有形成凹陷,使之無法分離。這有待進(jìn)一步改善。

  參考文獻(xiàn)

  [1] 柳威, 謝鳳, 陳臨溪. CAbl在腫瘤發(fā)生及治療中的重要作用[J]. 臨床與病理雜志, 2012, 32(6):516-523.

 ?。?] 唐磊. 基于腫瘤分類與生長建模的癌癥藥物療效預(yù)測平臺(tái)設(shè)計(jì)與應(yīng)用[D]. 合肥:中國科學(xué)技術(shù)大學(xué), 2012.

 ?。?] 楊澤新.基于顏色和形狀的圖像檢索技術(shù)研究與實(shí)現(xiàn)[D].武漢:華中科技大學(xué),2006.

 ?。?] 許新征,丁世飛,史忠植,等 .圖像分割的新理論和新方法[J].電子學(xué)報(bào),2010,38(Z1):76-82.

  [5] 劉國英. 基于Markov隨機(jī)場的小波域圖像建模及分割[M]. 北京:科學(xué)出版社, 2010.

 ?。?] 白雪. 基于三馬爾可夫場的SAR圖像分割[D]. 西安:西安電子科技大學(xué), 2012.

  [7] 段汕, 陳曉惠, 鄭晨. 基于區(qū)域特征的模糊多尺度Markov模型在紋理圖像分割中的應(yīng)用[J]. 中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版), 2010, 29(3):93-99.


此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。